根据国家科技部在2020年03专项工作要点中“争取在5G网络融合智慧校园应用、新一代信息技术助推学生安全管理等方面打造一批示范样板”的要求,本文积极研究如何针对电信网络诈骗等风险行为建立起事前、事中和事后全方位链条式的公共网络安全主动防御体系,以在促进5G发展的同时提升校园环境中公共网络的主动安全防御能力和水平。本文旨在设计并实现一个针对高校大学生群体的反电信网络诈骗主动防御系统,采集学生的通话信息,利用通信运营商提供的大量语音数据作样本数据池,通过语音识别、文本分类等多种算法和搭建数据模型对通话信息作多角度的分析和精准的分类,实现对通话信息中涉及电信诈骗的内容的识别与分类,再将得到的结果反馈在该系统上供学校和公安部门参考,最后通过干预达到对电信诈骗行为的追踪、预警的效果,并且可以对师生进行精准定位的反诈教育。本文查阅了关于语音识别、文本分类和反电信诈骗领域的相关资料,确保了整个系统的技术可行性。其中语音识别采用了百度开源的语音识别框架Deep Speech2,诈骗识别采用了Facebook开源的文本分类器FastText,通过实验验证了这两种算法可以较好满足电信诈骗信息的识别要求。与学校和公安部门共同制定系统需求后,根据系统需求对系统进行了模块化的划分,最后基于B/S的系统架构实现系统的整体搭建。经测试,该系统满足学校和公安部门对电信反诈的需求,并且已经试运行在南昌大学智能感知与网络安全联合研究中心。通过对南昌大学前湖校区3.5万名学生进行全面梳理分析后发现,全校学生接收到电信网络诈骗信息的人数非常多,院系覆盖全面,潜在高危风险的人数不少,中危及中危以上人数有3652人。通过这些数据我们可以看到涉校电信网络诈骗发展趋势非常快,覆盖人群特别广,危害影响非常突出。